TensorFlow安装遇依赖冲突及absl模块缺失问题求助

一、先修复absl模块缺失 #

这是最直接的问题，直接安装对应的包即可：

• 先激活你的Anaconda环境（替换成你自己创建的环境名，比如tensorflow_env）：

  conda activate tensorflow_env
  

• 用pip安装absl-py：

  pip install absl-py
  

  要是pip安装速度慢，也可以用conda安装：

  conda install -c conda-forge absl-py
  

二、解决object-detection与tf-models-official的依赖冲突 #

方案1：用官方推荐的源码安装方式（更稳定） #

官方不建议直接pip安装object-detection==0.1，推荐通过TensorFlow Models仓库手动配置：

1. 激活环境后，克隆官方仓库：

   git clone https://github.com/tensorflow/models.git
   

2. 进入仓库的research目录：

   cd models/research
   

3. 安装编译工具和依赖：

   # 安装protobuf
   pip install protobuf
   # 编译Object Detection的proto文件
   protoc object_detection/protos/*.proto --python_out=.
   # 安装TF2版本的依赖包
   pip install -r object_detection/packages/tf2/requirements.txt
   

4. 添加当前路径到Python环境变量（临时生效，每次启动环境都要运行一次）：
   • Linux/macOS：

     export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim
     

   • Windows：

     set PYTHONPATH=%cd%;%cd%\slim
     

方案2：指定版本强制安装（快速临时解决） #

如果不想折腾源码，可以指定兼容的tf-models-official版本，再跳过依赖检查安装object-detection：

1. 激活环境后，先安装兼容版本的tf-models-official（比如2.11.0，注意要和你的TensorFlow 2.x版本匹配）：

   pip install tf-models-official==2.11.0
   

2. 跳过依赖检查安装object-detection==0.1：

   pip install object-detection==0.1 --no-deps
   

   这种方式可能会导致其他依赖缺失，之后遇到类似ModuleNotFoundError就用pip安装对应的包即可。

三、验证环境是否正常 #

完成上述步骤后，运行测试脚本：

python object_detection/builders/model_builder_tf2_test.py

如果脚本运行没有报错，说明环境已经配置成功。

内容的提问来源于stack exchange，提问作者Imaginary